
非结构化数据分析,让数据带动生产力
近年来“大数据”及“数据分析”的概念火爆异常,然面对大数据分析时,国内外却有着不小的差距,国内企业仍以结构化数据分析为主,而美国的很多企业却早已向非结构化数据迈进。
非结构化数据分析目前属于非常前沿的技术,需求量很大,但是在市场上几乎是一片空白,Derek Wang(汪晓宇博士--美国数据分析科学家、前北卡大学夏洛特分校助理敎授、夏洛特视觉中心主任)与其团队看到这个领域的巨大潜力,并且把握住了机会,悉心研发的Taste新型非结构化数据分析平台,在短短的四五个月的时间里成功拿下了几十家中小企业的合作,一些大厂商同样抛出了橄榄枝,其中包括6家《福布斯》全球500强的公司以及多家美国主流企业。
Taste Analytics这款软件在美国为何如此抢手?如何走进中国市场?就相关问题,我们对美国非结构化数据分析领军企业Taste Analytics创始人Derek Wang(汪晓宇)博士进行了采访。
美国率先实现非结构化数据分析
Derek Wang在介绍Taste Analytics这款产品时说道:“The Taste Signals Platform是一套可用于每一个企业日常经营的实时的智能数据分析平台,其最独特的地方在于强大的非结构化数据的分析能力,目前其不仅可以分析传统的结构化数据,也可以分析包括中文在内的12种文字、语音等非结构化数据。Taste Analytics可以对数据、文字以及语音进行实时分析,结合了舆情分析、语义分析、人机互动三重机制,目前,针对文档类的筛选分析效果明显,在未来的十二个月之内,图像处理包括视频分析的非结构化部分也推动到市场上。这款产品可以可视化分析结果,操作界面也非常简单,母亲辈的人都会使用,在美国这边的客户一般五到十分钟就可以轻松掌握”,在问道Taste Analytics 的应用范围及场景时,Derek Wang 给出了这样的回答:“ Taste Analytics是一个分析平台,最大的市场是中小企业,但是对于一些大企业来说,同样适用, 例如亚马逊,他们的核心业务不是做数据分析,对外提供的产品也并非这方面,然而在美国我们一直保持着合作。对于应用场景而言,Taste Analytics的服务适用于各种非结构化数据分析场景,只要有聊天记录、对话记录和邮件记录,就可以和数据源直接对接,非常易用而且安全。“在谈到数据安全问题时,我们不免有些疑惑,因为之前Derek Wang谈到:“基于云平台,让客户可以了解到进行数据分析”,但是实际上很多客户在应用云时难免会担心数据泄露,影响安全,毕竟都是日常交易或者是核心数据,基于这点,Derek Wang给出了这样的回答:“我们非常重视安全,基于不同企业类型的考虑,会有两套不同的方案,对于大企业来讲,如金融企业或者IT商,我们可以直接部署到企业内部的安全平台上,所有的云平台都将在企业私有云或者是机房内部进行部署,对于中小企业或者个人来说,我们有一套安全加密云,我们所有的服务器跟最高级安全加密模式是匹配的,最大程度化的保证了用户数据不被泄露。”那么对于数据的准确性是如何判断的?类似于恶意评价的筛选如何做到呢?“我们系统里面自带智能算法,可以剥离出哪些言论来自机器,哪些言论是垃圾,通过筛选让核心的语意内容展示出来,智能屏蔽掉恶意或者说是垃圾信息”。Derek Wang这样答道。
国内市场有望填补非结构化数据分析空白
目前,国内的企业在进行大数据分析时,仍以分析结构化数据为主,而对于内涵丰富的非结构化数据,市面上并没有有效的工具进行分析。考虑到中国市场和美国市场不太一样,这款产品如何本土化走进生活,进入中国市场后的合作伙伴如何选择?”我跟国内的合作模式有三种,渠道、分销和整合,我们在进入中国市场时,不会以我们为本土方向,而是会选择与国内一些比较知名的大数据公司进行合作,把产品结合到他们已有的大数据产品平台中,把数据分析的实用性带给中国广大企业级的客户应用,让客户从中受益,同时,我们也会给中国企业提供非常本地化的服务。从大家最关心的安全角度讲,如果是企业内部的私有数据,我们可以把平台放到企业防火墙内或者内部云里;如果是外部数据,我们的爬虫会自动抓取这些数据,”Derek Wang博士说,“我们一直希望的就是,让企业用最小的付出,得到最好的结果。”
写在最后:Taste Analytics的愿景是“用数据带动生产力”以及“将每个人都变为数据科学家”。其在美国的成功创建,与美国整体市场环境有着很大关系,包括欧洲市场,目前来讲对B2B的软件平台模式都比较信赖,在相对完整的行业体系下,市场活跃度以及成熟度也比较高,那么对于目前的中国市场而言,要想成功介入,势必还要做很多功课,在如何本土化改良以及合作伙伴的选择上,还需考虑周全,Derek Wang预计此产品在明年年初有望进入中国市场,目前还在进行市场调研以及产品本土化的准备工作,究竟效果如何,能否帮助中国企业走出数据分析的困境?让我们拭目以待。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10